GONE: 颠覆大型语言模型知识遗忘research#llm🔬 Research|分析: 2026年3月16日 04:03•发布: 2026年3月16日 04:00•1分で読める•ArXiv NLP分析这项研究介绍了GONE，这是一个突破性的基准和框架，解决了在大型语言模型 (LLM) 中遗忘不需要的知识这一关键挑战。创新的 Neighborhood-Expanded Distribution Shaping (NEDS) 方法表现出色，为知识编辑和遗忘设定了新标准。要点•GONE 提供了一个新的基准，用于评估大型语言模型 (LLM) 在结构化知识图上的知识遗忘。•Neighborhood-Expanded Distribution Shaping (NEDS) 框架在知识遗忘方面表现出色。•该研究解决了与 LLM 中的安全性、隐私和知识产权相关的关键问题。引用 / 来源查看原文"此外，Neighborhood-Expanded Distribution Shaping (NEDS) 是一种新颖的遗忘框架，旨在利用图连通性并识别锚定相关邻居，从而在被遗忘的事实及其语义邻域之间建立精确的决策边界。"AArXiv NLP2026年3月16日 04:00* 根据版权法第32条进行合法引用。较旧ActTail: Supercharging LLM Inference with Smart Sparsity!较新SPARROW: Soaring to New Heights in Pixel-Grounded Video Understanding with AI!相关分析researchAgentFuel: 通过定制评估增强时序数据分析智能体2026年3月16日 04:02researchAI规划革新 LLM 驱动的 Web 智能体2026年3月16日 04:02researchGER-steer: 无需训练，LLM控制的新突破2026年3月16日 04:02来源: ArXiv NLP